QQ客服 官方微博 反馈留言

浏览/检索结果: 共6条，第1-6条 帮助 限定条件 专题：北京航空航天大学    第一署名单位    第一作者单位    通讯作者单位    内容类型：会议论文     已选(0)清除 条数/页：5101520253035404550556065707580859095100   排序方式：请选择发表日期升序发表日期降序提交时间升序提交时间降序题名升序题名降序作者升序作者降序 Linear SVM classification using boosting HOG features for vehicle detection in low-altitude airborne videos 会议论文 2011 18th IEEE International Conference on Image Processing, ICIP 2011, Brussels, Belgium, 2011-09-11 作者:  Cao, Xianbin;  Wu, Changxia;  Yan, Pingkun;  Li, Xuelong 收藏  |  浏览/下载：2/0  |  提交时间：2020/01/06 Putting poses on manifold for action recognition 会议论文 21st IEEE International Workshop on Machine Learning for Signal Processing, MLSP 2011, Beijing, China, 2011-09-18 作者:  Cao, Xianbin;  Ning, Bo;  Yan, Pingkun;  Li, Xuelong 收藏  |  浏览/下载：1/0  |  提交时间：2020/01/06 Collaborative Kalman filters for vehicle tracking 会议论文 21st IEEE International Workshop on Machine Learning for Signal Processing, MLSP 2011, Beijing, China, 2011-09-18 作者:  Cao, Xianbin;  Shi, Zhengrong;  Yan, Pingkun;  Li, Xuelong 收藏  |  浏览/下载：1/0  |  提交时间：2020/01/06 LINEAR SVM CLASSIFICATION USING BOOSTING HOG FEATURES FOR VEHICLE DETECTION IN LOW-ALTITUDE AIRBORNE VIDEOS 会议论文 2011 18TH IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP), 2011-01-01 作者:  Cao, Xianbin;  Wu, Changxia;  Yan, Pingkun;  Li, Xuelong 收藏  |  浏览/下载：1/0  |  提交时间：2020/01/06 Vehicle detection  boosting HOG feature  linear SVM  urban environment   PUTTING POSES ON MANIFOLD FOR ACTION RECOGNITION 会议论文 2011 IEEE INTERNATIONAL WORKSHOP ON MACHINE LEARNING FOR SIGNAL PROCESSING (MLSP), 2011-01-01 作者:  Cao, Xianbin;  Ning, Bo;  Yan, Pingkun;  Li, Xuelong 收藏  |  浏览/下载：2/0  |  提交时间：2020/01/06 Action Recognition  Key poses  Bag of Words  Manifold Leaning  Centrality Measure   COLLABORATIVE KALMAN FILTERS FOR VEHICLE TRACKING 会议论文 2011 IEEE INTERNATIONAL WORKSHOP ON MACHINE LEARNING FOR SIGNAL PROCESSING (MLSP), 2011-01-01 作者:  Cao, Xianbin;  Shi, Zhengrong;  Yan, Pingkun;  Li, Xuelong 收藏  |  浏览/下载：4/0  |  提交时间：2020/01/06 group tracking  relevance network  Kalman filter  airborne platforms  multi-target tracking